هدف از پژوهش حاضر، گسترش الگوریتم های شناسایی موقعیت و وسعت آسیب بر اساس سیگنال های بدست آمده از سازه می باشد. از آن جا که اکثر روش های پایش سازه بر اساس تغییرات پارامترهای مودال پیش و پس از بروز آسیب می باشند و با توجه به حساسیت کم این پارامترها نسبت به بروز آسیب، در این پایان نامه، روشی جدید برای شناسایی موقعیت و وسعت آسیب بر اساس تغییرات در پارامترهای مارکوف گسترش داده شده است. این روش برای نخستین بار قادر است آسیب های ترکیبی جرم و سختی را به طور هم زمان شناسایی نماید. از آن جا که محاسبه ی پارامترهای مارکوف سیستم به صورت بازگشتی امکان پذیر می باشد، این روش جهت آسیب یابی به صورت بهنگام نیز گسترش داده شده است. به منظور ارزیابی وسعت آسیب نیز راهکاری وارون ارائه شده که قادر به شناسایی مدل های جرم/سختی/میرایی یک درجه آزادی، جایگزین درجه های آزادی مد نظر سازه می باشد. برای این منظور، الگوریتم تکامل تفاضلی به عنوان بهینه یاب هوشمند مورد استفاده قرار گرفته است. از آن جا که جهت شناسایی پارامترهای مارکوف، در اختیار داشتن الگوریتم های سیستم شناسی امری ضروری می باشد، دو الگوریتم شناخته ی شده ی سیستم شناسی در حوزه ی زمان era/dc(era) و srim به طور مفصل شرح داده می شوند. خروجی الگوریتم های شناسایی بیان شده، مدل فضای حالت سیستم می باشد که جهت پایش لازم است به مدل فیزیکی جرم/سختی/میرایی تبدیل شود. برای این منظور، روشی نوین بر پایه ی بهینه یابی جهت تحقق هم زمان مقدارهای ویژه و شکل مودهای سیستم ارائه شده است که از پیش فرض های انجام شده در تحقیقات گذشته خودداری می کند. هم چنین روشی برای شناسایی مدل اتصال های به کار رفته در سازه های اسمبل شده بیان شده است که می تواند به صورت کارا در آسیب یابی اتصال های سازه ای مورد استفاده قرار گیرد. با توجه به در دسترس بودن پارامترهای مودال سازه به کمک الگوریتم های سیستم شناسی، سه روش جدید جهت کاهش مرتبه ی مدل سیستم ها ارائه شده است. هر دو روش نخست جهت شناسایی ماتریس های جرم/سختی/میرایی کاهش یافته به کمک پارامترهای مودال شناسایی شده می باشند و بر اساس تحقق معادله سرشت نمای سیستم کاهش یافته و کمینه سازی انرژی های مودال سیستم کار می کنند. روش سوم نیز ماتریس شکل مود سیستم مرتبه کامل را به کمک برازش تابع پاسخ فرکانسی در بازه های مورد نظر فرکانسی کاهش می دهد. نتیجه های این روش با روش eidv مقایسه شده است. کلیه ی الگوریتم های بررسی شده در محیط matlab شبیه سازی شده اند.